Python-机器学习（二）-K近邻算法的原理与鸢尾花数据集实现详解

from sklearn.neighbors import KNeighborsClassifier

k=5

#对模型训练

clf = KNeighborsClassifier(n_neighbors=k)

clf.fit(x,y)

#对样本进行预测

x_sample = [[0,2]]

neighbors = clf.kneighbors(x_sample)

neighbors[1]

plt.figure(figsize=(16,10))

plt.scatter(x[:,0],x[:,1], c=y, s=100, cmap=‘cool’)

中心点画一下

plt.scatter(c[:,0],c[:,1], s= 100, marker=“^”, c=‘black’)

#画出待预测的点

plt.scatter(x_sample[0][0],x_sample[0][1],marker=‘*’,s=200,cmap=‘cool’)

把预测点与距离最近的5个样本连成线

for i in neighbors[1][0]:

plt.plot([x[i][0], x_sample[0][0]], [x[i][1],x_sample[0][1]], ‘k–’, linewidth=0.6)

plt.show()

鸢尾花数据集

---

• Iris 鸢尾花数据集内包含 3 类分别为山鸢尾、虹膜锦葵、变色鸢尾&